面向对象的毛竹林分布遥感信息提取及调查因子估算-森林经理学专业毕业论文.docxVIP

万方数据 万方数据 独 创 性 声 明 本人声明，所呈交的学位论文，是受国家自然科学基金31300535）、浙江省林 业 碳 汇 与 计 量 科 技 创 新 团 队 项 目 子 项 目 (2012R10030-01) 、 浙 江 省 自 然 科 学 基 金 (LQ13C160002)、浙江省本科院校中青年学科带头人学术攀登项目(pd2013239)等资助，在指导 教师指导下，通过我的努力取得的成果，并且是自己撰写的。尽我所知，除了文中作了标注和 致谢中已经作了答谢的地方外，论文中不包含其他人发表或撰写过的研究成果，也不包含在浙 江农林大学或其他教育机构获得学位或证书而使用过的材料。与我一同对本研究做出贡献的同 志，都在论文中作了明确的说明并表示了谢意。如被查有严重侵犯他人知识产权的行为，由本 人承担应有的责任。 论文使用授权的说明 本人完全了解浙江农林大学有关保留、使用学位论文的规定，即学校有权送交论文的复印 件，允许论文被查阅和借阅；学校可以公布论文的全部或部分内容，可以采用影印、缩印或其 他复制手段保存论文。 保密，在 年后解密可适用本授权书。□ 不保密, 本学位论文属于不保密。 ? （请在方框内打“√”） 万方数据 万方数据 摘要 摘要 竹资源是中国重要的森林资源，具有较高生态价值、经济价值和审美价值。竹 林遥感专题信息提取是竹林资源遥感监测及高精度碳储量估算的基础，传统方法主 要基于像元的光谱信息进行分类，随着遥感数据空间分辨率的提高，地物细节信息 得以更充分体现，同物异谱现象也更为严重，使得基于像元、仅依靠光谱特征的分 类面临诸多问题，而面向对象的分类方法可以综合利用影像的光谱特征和几何形 状、纹理细节等空间特征进行分类，为遥感影像尤其是高分辨率遥感影像分类提供 了新的途径。 本研究以浙江省安吉县山川乡为研究区域，借助卫星遥感数据，结合纹理信息， 采用面向对象法构建多尺度多层次结构提取毛竹（Phyllostachys heterocycla var. pubescens）林信息；并整合多源遥感数据，确定最佳分割尺度精确提取毛竹林信息； 最后，将面向对象法与决策树分析相结合，初步实现了毛竹林野外调查参数估算。 主要研究内容如下： 1、多尺度多层次毛竹林遥感信息提取方法研究。以 SPOT5 卫星遥感影像为数 据源，综合光谱和纹理信息，采用面向对象的多尺度分割方法，建立多层次结构， 分别采用两种方案提取毛竹林遥感专题信息，对两种方案的结果进行对比分析，并 对面向对象方法与基于像元的最大似然法的分类结果对比分析。 2、整合 Landsat5 TM 和 SPOT5 的面向对象森林分类方法研究。以 SPOT5 和 Landsat5 TM 为数据源，分析整合多源遥感数据面向对象多尺度分割技术改善森林 分类精度方面的问题，包括分割方案设计、最优尺度选择以及毛竹林及其他森林类 型分类精度对比等。 3、基于决策树的面向对象毛竹林调查参数估算初探。以 SPOT5 影像为数据源， 采用面向对象多尺度多层次分割，提取每一层次对象的特征信息；然后，通过决策 树 CART (classification and regression tree)算法对每一尺度的特征进行知识挖掘建立 分类规则，利用分类规则对遥感影像进行分类并提取毛竹林专题信息；最后，用回 归分析法对毛竹林调查参数与影像特征建立关系，并对毛竹林参数模型进行评价。 通过研究主要获得以下几方面的结论: 1、对毛竹林而言，在 SPOT5 红、绿、蓝 3 个波段上的最佳纹理窗口大小分别 I 摘要 为 9×9，7×7，9×9，比较接近；面向对象的多尺度分割方法能较为精确地提取毛竹 林专题信息，用户精度达到 90%以上，高于最大似然法的提取毛竹林信息精度 （88.57%）；增加纹理信息的多尺度分割方案既保证了毛竹林专题信息的提取精度 (92.16%)，又兼顾了其他森林类型，分类总精度、Kappa 分别为 92%和 0.8814，为 本研究的最高精度。 2、TM/SPOT5、SPOT5、TM 的最佳分割尺度参数分别为 70、100、0.8；对于 Landsat5 TM 中等分辨率遥感，面向对象多尺度分割技术不能达到理想的分类效果， 分类总精度只有 72.35%，但 Landsat5 TM 整合 SPOT5 高分辨率遥感数据后，分类 总精度提高到 82.94%，森林分类结果得到大大改善。 3、基于小班的胸径、树高回归树模型总精度分别 40.74%、66.67%，Kappa 为 0.0182、0.0471，可靠性低，基于样地的胸径、树高回归模型总精度均为 50%，Kappa 分别为 0.3222、0.2308，因此，基于样地对毛竹林参数胸径、树高构建的回归树模 型比基于小班构建